ValueError: could not convert string to float: 'Mme'

Question

当我在Jupyter Lab运行下面的代码

import numpy as np
from sklearn.feature_selection import SelectKBest,f_classif
import matplotlib.pyplot as plt

predictors = ["Pclass","Sex","Age","SibSp","Parch","Fare","Embarked","FamilySize","Title","NameLength"]
selector = SelectKBest(f_classif,k=5)
selector.fit(titanic[predictors],titanic["Survived"])

然后就出错了，注意ValueError: could not convert string to float: 'Mme'，详情如下：

  ---------------------------------------------------------------------------
    ValueError                                Traceback (most recent call last)
    C:\Users\ADMINI~1\AppData\Local\Temp/ipykernel_17760/1637555559.py in <module>
          5 predictors = ["Pclass","Sex","Age","SibSp","Parch","Fare","Embarked","FamilySize","Title","NameLength"]
          6 selector = SelectKBest(f_classif,k=5)
    ----> 7 selector.fit(titanic[predictors],titanic["Survived"])
     ......
    
    ValueError: could not convert string to float: 'Mme'

我试着打印了titanic[predictors]和titanic["Survived"]，结果如下：

    Pclass  Sex Age SibSp   Parch   Fare    Embarked    FamilySize  Title   NameLength
0   3   0   22.0    1   0   7.2500  0   1   1   23
1   1   1   38.0    1   0   71.2833 1   1   3   51
2   3   1   26.0    0   0   7.9250  0   0   2   22
3   1   1   35.0    1   0   53.1000 0   1   3   44
4   3   0   35.0    0   0   8.0500  0   0   1   24
... ... ... ... ... ... ... ... ... ... ...
886 2   0   27.0    0   0   13.0000 0   0   6   21
887 1   1   19.0    0   0   30.0000 0   0   2   28
888 3   1   28.0    1   2   23.4500 0   3   2   40
889 1   0   26.0    0   0   30.0000 1   0   1   21
890 3   0   32.0    0   0   7.7500  2   0   1   19
891 rows × 10 columns

0      0
1      1
2      1
3      1
4      0
      ..
886    0
887    1
888    0
889    1
890    0
Name: Survived, Length: 891, dtype: int64

如何解决这个问题？

Answer 1

是否在第一行打印列标签？如果是这样，那么您进行适当的数据分配，以便从第二行数组 [1:,:] 开始分配数组否则尝试查看它并查看“Mme”字符串位于何处，以便您了解代码是如何获取它的。

Answer 2

当您尝试拟合某些算法时（在您的情况下 SelectKBest），您需要了解您的数据。而且，几乎所有时间都需要对其进行预处理。

查看您的数据：

你有分类特征还是数字特征？还是混合？
你有 NaN 值吗？
...

大多数算法不接受分类特征，你需要转换成数字特征（评估OneHotEncoder的使用）。

在您的情况下，您似乎有一个名为 Mme 的分类值，它位于特征 Title 中。检查一下。

您将遇到与 NaN 值相同的问题。

总之，在开始拟合之前，您必须对数据进行预处理。

ValueError: could not convert string to float: 'Mme'

ValueError: could not convert string to float: 'Mme'

python-3.x

pandas

machine-learning

scikit-learn

kaggle